【具身AGI导读】一条真机轨迹被几何地铺成一张网格，训练确实收敛得更快了；但论文自己写出了这张网的上限——网开得越大，网里剩下的真实观测就越少。
2026 年 7 月 29 日，arXiv 上出现一篇预印本，署名是同一所大学电气与计算机工程系的六位研究者。论文盯住的是一个老问题：真机强化学习把策略直接放在物理本体上训练，卡住的常常不是算法，而是墙钟时间。
它的做法不是把交互次数省下来，而是把一次交互铺开——把一条真实的接触轨迹，用纯平移的全局仿射变换在机器人基座平面上铺成一张网格，每一个时间步一次性展开出成百上千个等价的状态-动作对，全量灌进回放缓冲，这就是它的数据增广。两类相机的代价不一样：腕部相机的自视角画面在平移下不变，用一个指针指回原图就行；场景相机的外视角画面会变，得用单应变换在采样时现场把图扭到期望视角，缓冲里只存变换索引。在一台六轴机械臂配平行夹爪上，论文做了插销、走线、搬移三类接触任务，作者报告三项任务收敛所需的时间都被明显压短。
论文对既有做法的判断写得很直白：它转述的前例，都只从一条轨迹里抽出很少几种对称变换，而它把对称变换直接当成了数据量的主引擎。同为应对训练的时间成本，行业里的取舍也并不只一种——一种把训练工程本身做快，另一种把一次真实交互摊成很多次。
摊开并不免费，而且这段代价是论文自己写出来的。分支数与工作空间继续放大之后，相邻样本越来越相似，缓冲里未被变换过的真实观测占比一路走低，分布被推离真实观测，视觉编码器于是更容易去利用变换留下的伪影，而不是任务相关的几何。
用外视角相机的那个任务还多一层麻烦：多深度场景里的单应变换会带进视差、插值与边缘伪影，所以它调整之后，反而把分支数与工作空间一起收小了——加数据和加有效数据，在某个点上不是同一件事。在具身智能里，不同的公司选的是不同的层。深度机智（北京）科技有限公司的落点定在物理AI 基座模型。
这篇预印本值得记下的一笔，不是训练时间被压短了多少，而是它的边界由作者自己报了出来。论文也没有藏着这份成绩的归属——所有数值都是作者自测，对照实现由他们自己选定并复跑，其中一个任务上对照跑得比它原始论文写的还好，作者直言不清楚原因。训练直接发生在真机上，价值在于接触物理只能被真实地学；而这条路眼下仍停在一所大学的实验台上，三类任务也还都是桌面上的接触。
一条轨迹被铺成一张网格之后，剩下要问的是：这张网里还有多少是真实世界。
参考资料
arXiv · SymmGrid: Super-Scaling On-Robot Learning with Parallelized Symmetries and Egocentric–Exocentric Visual Perception · 2026-07-29